Шабельник, Тетяна ВолодимирівнаПрокопович, Світлана ВалеріївнаГвоздицький, Віталій СергійовичТесленко, Даніїл Андрійович2026-07-182026-07-182026Shabelnyk, Tetiana V. et al. (2026) “Analyzing and Identifying the Latent Factors of Digital Transformation in EU Countries Using Data Science Methods.” Business Inform 3:105–113. https://doi.org/10.32983/2222-4459-2026-3-105-113https://www.business-inform.net/article/?year=2026&abstract=2026_3_0_105_113https://dr.csbc.edu.ua/handle/123456789/2538Сучасні умови функціонування економіки вимагають від усіх суб’єктів економічної, соціальної, політичної діяльності впровадження цифрових рішень. Багатьма країнами диджиталізація поставлена як стратегічна середньострокова мета, адже вона стає ключовим чинником підвищення конкурентоспроможності держав майже в усіх сферах. Доведено сприяння диджиталізації інноваційному зростанню, ефективнішому управлінню ресурсами та формуванню нових форм взаємодії як між громадянами, так і між бізнесом і державою тощо. Тому дуже важливо розробити та впровадити системний комплекс моделей, що базуються на сучасних методах економіко-математичного моделювання та машинного навчання, який забезпечуватиме стале зростання економіки та буде знижувати ризики соціально-економічних дисбалансів. У роботі обґрунтовано, що такі методи Data Science, як метод головних компонент, кореляційний і кластерний аналіз тощо надають змогу системно дослідити багатовимірну структуру цифрової трансформації, виокремити латентні фактори цифрового розвитку та визначити траєкторії руху країн у цифровому просторі. Поєднання факторного аналізу з динамічним вивченням кластерної структури дозволяє глибше зрозуміти механізми цифрової еволюції країн ЄС і оцінити ефективність цифрової політики на рівні Євросоюзу та окремих держав. Було сформовано структуровану систему показників цифрового розвитку, релевантних для аналізу країн ЄС. Також проведено кореляційний аналіз зазначених індикаторів, виділено структурні зв’язки між ними. На основі методу головних компонент виділено латентні узагальнені фактори цифрової трансформації, які інтегрують численні цифрові показники в кілька ключових напрямів розвитку. Це дозволяє скоротити розмірність даних і виокремити основні рушійні сили цифровізації. Результати дослідження підтвердили, що сьогодні цифровізація виступає основою підвищення конкурентоспроможності, продуктивності та інноваційної активності економіки. Було обґрунтовано, що цифрова трансформація є складним багатовимірним процесом, який потребує системного аналізу та застосування сучасних методів Data Science й машинного навчання, що надасть змогу оцінювати ефективність державної політики, порівняльного аналізу країн і формування рекомендацій щодо прискорення цифрового прогресу.Modern conditions of economic functioning require all subjects of economic, social, and political activity to implement digital solutions. In many countries, digitalization has been set as a strategic medium-term goal, as it becomes a key factor in increasing the competitiveness of countries in almost all areas. It has been proved that digitalization contributes to innovative growth, more efficient resource management, and the formation of new forms of interaction both among citizens and between business and the State, among others. Therefore, it is very important to develop and implement a systematic set of models based on modern methods of economic-mathematical modeling and machine learning, which will ensure sustainable economic growth and reduce the risks of socioeconomic imbalances. The work substantiates that such Data Science methods as principal component analysis, correlation and cluster analysis, etc., make it possible to systematically study the multidimensional structure of digital transformation, identify latent factors of digital development, and determine the trajectories of countries’ movement in the digital space. The combination of factor analysis with the dynamic study of the cluster structure allows for a deeper understanding of the mechanisms of digital evolution of EU countries and for assessing the efficiency of digital policy at the level of the European Union and individual countries. A structured system of digital development indicators relevant for analyzing EU countries has been formed. A correlation analysis of the specified indicators was also carried out, highlighting the structural relationships between them. Based on the principal component method, latent generalized factors of digital transformation were identified, integrating numerous digital indicators into several key areas of development. This allows for reducing the dimensionality of data and identifying the main driving forces of digitalization. The research results confirmed that today digitalization serves as the basis for increasing competitiveness, productivity, and innovation activity of the economy. It was substantiated that digital transformation is a complex multidimensional process that requires systemic analysis and the use of modern Data Science and machine learning methods, which will make it possible to assess the effectiveness of State policy, conduct comparative analysis of countries, and develop recommendations to accelerate digital progress.enSOCIAL SCIENCES::Business and economics::EconomicsSOCIAL SCIENCES::Business and economicsSOCIAL SCIENCES::Business and economics::Business studiesArticle